[TopLanguage主题讨论]今天我们思考

最新推荐文章于 2022-09-15 15:24:35 发布
最新推荐文章于 2022-09-15 15:24:35 发布
阅读量2.6w 收藏 9
点赞数 3
分类专栏： 片面思考
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/pongba/article/details/2270171
版权
本文作者刘未鹏探讨了在解题过程中如何从灵感出发，通过总结思维规则转变为启发法。他强调了思考过程的重要性，提出通过详细记录思考过程，可以避免遗忘和思维陷阱，从而深化理解并提升解题能力。他还倡导发起“今天我们思考”系列讨论，鼓励分享解题思路，共同发掘思维的潜在规律。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

[TopLanguage主题讨论]今天我们思考

By 刘未鹏

 

最近一段时间，看了许多心理学和思维的书，一些数学和解题的书，做了少许题目。两者结合起来，作了一点思考。本来是写了发到maillist里的，但写着写着这段时间以来的一些思考和总结冒了出来，超出了一篇mail通常的长度，遂贴了上来。

 

最低0.47元/天 解锁文章
TopLanguage讨论精选二(2007.10-2007-11)
刘未鹏|C++的罗浮宫
10-29 1万+
TopLanguage讨论精选二(2007.10-2007-11) 注：TopLanguage是我建立的一个google讨论组，目的是交流关于编程的任何问题（当然，包括八卦:-）），三个月来加入的同学介于27和28之间，已有大于210条讨论。 这是第二期精彩讨论精选（选择标准仅代表我个人意见，没办法，因为google group的投票机制似乎不怎么被用到，其余讨论大家可以访问或订阅
TopLanguage讨论精选一(2007.8-2007.10)
刘未鹏|C++的罗浮宫
10-05 2万+
TopLanguage讨论精选一(2007.8-2007.10) 注：TopLanguage是我建立的一个google讨论组，目的是交流任何编程相关的想法和问题。两个月来共有82位同学加入，574条讨论。 我会不定期将精彩的讨论贴出来（不得不说，TopLanguage的讨论质量真的很高）： n        Error-Handling n        高阶特性与低阶
TopLanguage小组讨论精选[三](2007.11-2007.12)
刘未鹏|C++的罗浮宫
11-29 1万+
TopLanguage小组讨论精选[三](2007.11-2007.12) By 刘未鹏(pongba)C++的罗浮宫(http://blog.youkuaiyun.com/pongba) TopLanguage小组的成员已经超过28(279)啦！char已经存不下了，该换int了:-) 而讨论则已经超过了211(2379)！ 最近很忙，没空写blog，于是在TopLanguage
TopLanguage讨论精选之：“今天我们思考”主题讨论
刘未鹏|C++的罗浮宫
05-26 1万+
 TopLanguage讨论精选之：“今天我们思考”主题系列讨论TopLanguage(http://groups.google.com/group/pongba)  TopLanguage上的关于解题思维的主题讨论已经进行了一段时间了，有了许多的收获，不管是题目方面的还是思维方面的。以下将这个系列（到目前为止的讨论）整理出来，方便没有订阅TopLanguage的朋友。
欢迎加入TopLanguage
TopLanguage
12-12 5905
TopLanguage（http://groups.google.com/group/pongba）自从8月份建立以来，已经吸引了四百多位同学，三千多条讨论，想知道我们讨论些什么，参见TopLanguage讨论精选[一]，精选[二]，精选[三]，加入前请看这里。 这个博客为团体创作保留，欢迎加入我们:)
程序员的学习与思考.doc
06-09
从给定的文件信息来看，本文档探讨的主题围绕着程序员的学习方法、思考习惯以及如何构建一个有益于个人成长和知识分享的社群环境。以下是对这些关键知识点的详细解析： ### 知识点一：程序员的学习习惯 #### 1. ...
如何清晰地思考：近一年来业余阅读的关于思维方面的知识结构整理（附大幅思维导图）
热门推荐
刘未鹏|C++的罗浮宫
12-18 27万+
如何清晰地思考：近一年来业余阅读的关于思维方面的知识结构整理（附大幅思维导图）By 刘未鹏(pongba) C++ 的罗浮宫(http://blog.youkuaiyun.com/pongba) TopLanguage(https://groups.google.com/group/pongba) 一年前一个偶然的机会我遇到了一本书——《影响力》，看完这本书之后对我们如何思维产生了极大的兴
【主题】关于做代码以及文档review的一些问题
Docoocoo的專欄－－做酷
01-08 1860
   [TopLanguage] 邮件组中关于主题讨论的较完整摘录。   “>”开头的行或段是发件人对前文回复的引用。   【杨威利】 --发件人～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～～【主题】关于做代码以及文档review的一些问题===========================================================
人工神经网络理论及应用pdf,人工智能的相关书籍
Supermen333的博客
09-15 1809
人工智能始于哲学思辨，中间经历了一个没有心理学（尤其是认知神经科学的）的帮助的阶段，仅通过牛人对人类思维的外在表现的归纳、内省，以及数学工具进行探索，其间最令人激动的是HerbertSimon（决策理论之父，诺奖，跨领域牛人）写的一个自动证明机，证明了罗素的数学原理中的二十几个定理，其中有一个定理比原书中的还要优雅，Simon的程序用的是启发式搜索，因为公理系统中的证明可以简化为从条件到结论的树状搜索（但由于组合爆炸，所以必须使用启发式剪枝）。整个过程中这个机器人只做非常粗糙的轨迹估算。
0509·刘未鹏的TopLanguage聚会[一]
weixin_34237596的博客
05-11 189
郑昀@玩聚SR  北京。五道口。 星期六。己丑年四月十五。气温适宜外出活动。 @pongba 前不久离开了南大，受邀微软来到北京。继上月他与李笑来会师（江湖曾流传一句话：自从读了李笑来, 我就不写人生感悟了; 自从读了刘未鹏, 我就不写学习方法和思维方法）后，他又召集了TopLanguage小组聚会。 本次与会技术人7个（按出场顺序排列）： @pongba Blog：htt...
有关读书方法的一点想法 -杨军
yuchao_lisp的专栏
02-25 1290
在求知的过程中，我们经常会要面对这样，那样的诱惑。 以读书为例，一部经典的好教材，想要把它读通，搞明白，弄扎实，除了在读的过程中理解作者想要描述 的字面意思以外，往往还需要通过作大量的相关习题及实验来建立起更为扎实，深刻的认识，而捧着厚厚 的一本书，人类心理潜在的占有本能又往往会驱使着自己以最快的速度将这部教材拿下，满足自己的成 就感，于是在没有外人监督，没有外力监控的情况
读刘未鹏博客反思和总结（看书，思考，写博文）
好读书
11-29 3595
今天晚上把刘未鹏大牛的博客好好的翻了翻，对自己以后看书，学习的方式做个总结，本文并无新颖的观点，内容均来自刘未鹏大牛的博客，各位看官如果对此文观点有兴趣， 文章末尾有传送门。毕竟原汁原味的才好看嘛！ 看的书多并不代表博闻强识 李傲在这里说出了自己的看书方法： 我李敖看的书很少会忘掉，什么原因呢？方法好。什么方法？心狠手辣。剪刀美工刀全部下来，把书给分尸掉了，就是切开了。
最受欢迎的 Top语言及其 Top 10漏洞
smellycat000的专栏
12-16 362
聚焦源代码安全，网罗国内外最新资讯！编译：奇安信代码卫士团队Veracode 公司发布报告，基于所扫描的13万款 app，说明了其中最常见的安全问题。不管你用的是 .NET、C++、J...
学习与记忆
刘未鹏|C++的罗浮宫
06-05 6万+
学习与记忆By 刘未鹏(pongba)C++的罗浮宫(http://blog.youkuaiyun.com/pongba)TopLanguage(http://groups.google.com/group/pongba) 正儿巴经学习算法算起来也有快两个月了，之前作为计算机工科生虽然算法和数据结构是必修课，但实际上只是停留在“理解”的层面，相当肤浅，更遑论举一反三灵活运用了。因此，所谓“
机器学习与人工智能学习资源导引
刘未鹏|C++的罗浮宫
09-11 10万+
机器学习与人工智能学习资源导引TopLanguage(https://groups.google.com/group/pongba/) 我经常在 TopLanguage 讨论组上推荐一些书籍，也经常问里面的牛人们搜罗一些有关的资料，人工智能、机器学习、自然语言处理、知识发现（特别地，数据挖掘）、信息检索 这些无疑是 CS 领域最好玩的分支了（也是互相紧密联系的），这里将最近有关机器学习
TopLanguage小组讨论精选[四](2007.12-2008.1)
刘未鹏|C++的罗浮宫
12-26 1万+
TopLanguage小组讨论精选[四](2007.12-2008.1)   By 刘未鹏(pongba) C++的罗浮宫(http://blog.youkuaiyun.com/pongba)   也来说说并发，使用状态机或轻量级线程并发这东西接触时间并不长，不过几乎让我完全推倒过去的编程方法。 并发系统的典型特点是大量同时存在的无规律活动，最具代表性的是网络应用，同时保持大量网络连接。过去我们常使用多进程
道简
weixin_30267697的博客
12-18 149
最近读了TopLanguage上关于编程风格的一些讨论，拜读了下云风老大的两篇佳作。 感触良多。 做为一个“码头工人”，每天都在coding，不由会想，我们的脑细胞和陪mm的时间都耗在了哪行代码上。诚然，在C++这样的语言中，我们大把的时间花 在了等待编译以及做一些繁杂而和coding无直接关联的事情。Toplanguage上有老大说，他的C++生涯25%在等待编译，5%在各种字符串中 ...
【9.21更新】跟踪报道TopLanguage关于《深入理解计算机系统（第2版）》一书翻译问题 的讨论
华章IT官方博客
09-15 2743
在TopLanguage里，我把《深入理解计算机系统（第2版）》译者在翻译过程中遇到的一些问题发布出来，请教各位高手，反响很强烈。与此同时，译者也已经加入到这次讨论当中。特分享在这里。当然，有兴趣的话，你也可以到这里查看：http://groups.google.ht/group/pongba/browse_thread/thread/acd33c3b1be37126
TopLanguage论坛创立者-----南大计算机系 刘未鹏 技术分享
Dances with Wolves 的专栏
02-03 1204
从此篇文章结识：点击打开链接  我在南大的七年 此君博客：点击打开链接 csdn连接地址 技术连接：点击打开链接 新地址
Ai学习
最新发布
04-21
### 学习人工智能的相关资源 #### 经典书籍推荐 对于初学者以及希望深入了解人工智能的人来说，《人工智能：一种现代的方法》是一本不可错过的经典教材[^3]。这本书由 Stuart Russell 和 Peter Norvig 合著，涵盖了人工智能的核心理论和技术，适合不同层次的学习者。 除了上述提到的经典著作外，还有其他值得阅读的书籍可以作为补充材料： - **《模式识别与机器学习》**（Christopher M. Bishop 著）：这是一本关于统计学方法在机器学习中的应用的权威书籍，尤其适用于那些希望通过数学角度理解机器学习原理的人群。 - **《深度学习》**（Ian Goodfellow, Yoshua Bengio, Aaron Courville 著）：此书被广泛认为是进入深度学习领域的必读书籍之一，它不仅介绍了基本概念，还涉及到了更复杂的主题如神经网络架构设计等。 #### 在线课程平台建议 为了获取更加互动式的体验，在线教育平台上也有丰富的AI相关内容可供选择。Coursera上的Andrew Ng教授开设的Machine Learning专项课程是非常受欢迎的选择；而edX则提供了来自MIT、Stanford等顶尖大学公开发布的计算机科学系列讲座视频链接地址[^4]。 #### 社区交流与实践项目参与 加入活跃的技术讨论小组能够极大地促进个人成长速度。例如TopLanguage就是一个很好的例子，在那里你可以找到志同道合的朋友一起探讨问题并分享经验心得[^2]。此外还可以尝试参加Kaggle竞赛来锻炼自己的实战能力，并从中学习到最新的行业趋势和技术解决方案。 ```python import numpy as np from sklearn.model_selection import train_test_split from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense def create_model(): model = Sequential() model.add(Dense(64, activation='relu', input_shape=(100,))) model.add(Dense(64, activation='relu')) model.add(Dense(1, activation='sigmoid')) model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy']) return model data = np.random.rand(1000, 100) labels = np.random.randint(2, size=1000) x_train, x_test, y_train, y_test = train_test_split(data, labels, test_size=0.2) model = create_model() history = model.fit(x_train, y_train, epochs=10, batch_size=32, validation_data=(x_test, y_test)) ``` 以上代码展示了一个简单的二分类问题建模过程，利用Python编程语言配合TensorFlow框架实现了一个小型人工神经网络结构训练实例演示。 ---
评论 12
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值